Algoritma Greedy untuk Menentukan

Lintasan Terpendek

Irvan Prama Defindal¹, Boyke Ariesanda², Christoforus³

Laboratarium Ilmu dan Rekayasa Komputasi

Departemen Teknik Informatika, Institut Teknologi Bandung
Jl. Ganesha 10, Bandung

E-mail: if13018@students.if.itb.ac.id¹, if13036@students.if.itb.ac.id²,

If13094@students.if.itb.ac.id³

Abstrak

Kemacetan yang sering terjadi selama perjalanan, sering mengganggu kegiatan kita sehari-hari. Setiap manusia
ingin sampai ke tujuan dengan tepat waktu. Tetapi, sering kali kemacetan menyebabkan keinginan manusia
terganggu. Oleh karena itu, dibutuhkan suatu cara untuk menanggulangi gangguan tersebut. Untuk mencapai
suatu tempat dengan waktu yang lebih cepat, kita akan mencari lintasan terpendek dari tempat asal ke tempat
tujuan. Lintasan terpendek ini juga memperhitungkan waktu-waktu dimana kemacetan sering terjadi. Contoh
lintasan terpendek adalah: ketika kita ingin ke gedung olahraga (GOR) Trilomba di Jl. Padjajaran pukul 07.00
hari senin. Kita bisa melewati Cihampelas, menuju Jl. dr. Otten dan memotong ke Jl. Padjajaran tanpa harus
melewati kemacetan yang terjadi di Wastu Kencana. Tentu saja ini akan menghemat waktu kita. Pada makalah
ini akan dibahas pencarian lintasan terpendek berdasarkan jarak dan waktu-waktu terjadinya kemacetan.

Kata kunci: algoritma greedy, lintasan terpendek, graf berbobot

1. Pendahuluan 2.2 Skema Umum Algoritma Greedy

Kebutuhan akan informasi yang akurat dibutuhkan
saat ini. Perkembangan teknologi sangat pesat dalam
beberapa tahun ini, sehingga kebutuhan manusia
semakin meningkat. Sehingga dibutuhkan waktu
yang cepat untuk mencapai kebutuhan tersebut.
Algoritma Greedy merupakan suatu program yang
tepat untuk meningkatkan efisiensi waktu.
2. Algoritma Greedy
2.1 Definisi Algoritma Greedy
Algoritma greedy adalah algoritma yang
memecahkan masalah langkah demi langkah, pada
setiap langkah:
1. mengambil pilihan yang terbaik yang dapat
diperoleh saat itu
2. berharap bahwa dengan memilih optimum loklal
pada setiap langkah akan mencapai optimum global.
Algoritma greedy mengasumsikan bahwa optimum
lokal merupakan bagian dari optimum global.
Prinsip algoritma greedy adalah: “take what you can
get now!”. Ambil apa yang anda peroleh sekarang!
Prinsip ini juga dipakai dalam pemecahan masalah
optimasi. Dalam kehidupan sehari-hari, kita juga
pernah menggunakan prinsip greedy, misalnya:
a. Memilih jurusan di Perguruan Tinggi
b. Memilih jalur tersingkat dari Bandung ke Jakarta.
Persoalan optimasi dalam konteks algoritma greedy
disusun oleh elemen-elemen sebagai berikut:
1. Himpunan kandidat, C.
Himpunan ini berisi elemen-elemen pembentuk
solusi. Pada setiap langkah, satu buah kandidat
diambil dari himpunannya.
2. Himpunan solusi, S.
Merupakan himpunan dari kandidat-kandidat yang
terpilih sebagai solusi persoalan. Himpunan solusi
adalah himpunan bagian dari himpunan kandidat.
3. Fungsi seleksi – dinyatakan sebagai predikat
SELEKSI – merupakan fungsi yang pada setiap
langkah memilih kandidat yang paling mungkin
untuk mendapatkan solusi optimal. Kandidat yang
sudah dipilih pada suatu langkah tidak pernah
dipertimbangkan lagi pada langkah selanjutnya.
4. Fungsi kelayakan (feasible) – dinyatakan dengan
predikat LAYAK – merupakan fungsi yang
memeriksa apakah suatu kandidat yang telah dipilih
dapat memberikan solusi yang layak, yakni kandidat
tersebut bersama-sama dengan himpunan solusi
yang sudah terbentuk tidak melanggar kendaara
yang ada.
5. Fungsi obyektif, merupakan fungsi yang
memaksimumkan atau meminimumkan nilai solusi.
Kita berharap optimum global merupakan solusi
optimum dari persoalan. Namun, adakalanya

1
optimum global belum tentu merupakan solusi
optimum (terbaik), tetapi dapat merupakan solusi
sub-optimum atau pseudo-optimum. Hal ini dapat
dijelaskan dari dua faktor berikut:
1. algoritma greedy tidak beroperasi secara
menyeluruh terhadap semua alternatif solusi yang
ada.
2. pemilihan fungsi SELEKSI: fungsi SELEKSI
biasanya didasarkan pada fungsi obyektif (fungsi
SELEKSI bisa saja identik dengan fungsi obyektif).
Jika fungsi SELEKSI tidak identik dengan fungsi
obyektif, kita harus memilih fungsi yang tepat untuk
menghasilkan nilai yang optimum.
Karena itu, pada sebagian masalah algoritma greedy
tidak selalu berhasil memberikan solusi yang benar-
benar optimum. Tetapi, algoritma greedy pasti
memberikan solusi yang mendekati (approximation)
nilai optimum.
3. Lintasan Terpendek (Shortest Path)
3.1 Definisi Lintasan Terpendek
Lintasan terperndek adalah lintasan minimum yang
diperlukan untuk mencapai suatu tempat dari tempat
tertentu. Lintasan minimum yang dimaksud dapat
dicari dengan menggunakan graf. Graf yang
digunakan adalah graf yang berbobot, yaitu graf
yang setiap sisinya diberikan suatu nilai atau bobot.
Dalam kasus ini, bobot yang dimaksud berupa jarak
dan waktu kemacetan terjadi.
3.2 Single-source shortest path
Ada beberapa macam persoalan lintasan terpendek,
antara lain:
a. Lintasan terpendek antara dua buah simpul
tertentu (a pair shortets path).
b. Lintasan terpendek antara semua pasangan simpul
(all pairs shortest path).
c. Lintasan terpendek dari simpul tertentu ke semua
simpul yang lain (single-source shoertest path).
d. Lintasan terpendek antara dua buah simpul yang
melalui beberapa simpul tertentu (intermediate
shortest path).
Dalam makalah ini, persoalan yang digunakan
adalah single-source shortest path. Diberikan sebuah
persoalan:
“Diberikan sebuah graf berbobot G(V, E). Tentukan
lintasan terpendek dari simpul awal, a, ke setiap
simpul lainnya di G. Asumsi bahwa bobot semua sisi
bernilai positif.”
Algoritma greedy untuk mencari lintasan terpendek
dapat dirumuskan sebagai berikut:
1. Perikasa semua sisi yang langsung bersisian
dengan simpul a. Pilih sisi yang bobotnya terkecil.
Sisi ini menjadi lintasan terpendek pertama, sebut
saja L(1).
2. Tentukan lintasan terpendek kedua dengan cara
berikut:
(i) hitung: d(i) = panjang L(1) + bobot sisi
dari simpul akhir L(1) ke simpul i yang lain
(ii) pilih d(i) yang terkecil
Bandingkan d(i) dengan bobot sisi (a, i).
Jika bobot sisi (a, i) lebih kecil daripada
d(i), maka
L(2) = L(1) U (sisi dari simpul akhir L(i) ke
simpul i)
3. Dengan cara yang sama, ulangi langkah 2 untuk
menentukan lintasan terpendek berikutnya.
4. Strategi Greedy pada Algoritma Dijkstra
4.1 Algoritma Dijkstra
Algoritma Dijkstra ditemukan oleh Edger Wybe
Dijkstra. Algoritma ini merupakan algoritma yang
paling terkenal untuk mencari lintasan terpendek.
Algoritma Dijkstra diterapkan pada graf berarah,
tetapi selalu benar untuk graf tak-berarah.
Algoritma ini menggunakan strategi Greedy sebagai
berikut:
“Pada setiap langkah, ambil sisi yang
berbobot minimum yang menghubungkan
sebuah simpul yang sudah terpilih dengan
sebuah simpul lain yang belum terpilih.
Lintasan dari simpul asal ke simpul yang
baru haruslah merupakan lintasan yang
terpendek diantara semua lintasannya ke
simpul-simpul yang belum terpilih.”
Langkah-langkah algoritma Dijkstra yang lebih jelas
dapat dilihat di:
http://kur2003.if.itb.ac.id/strategialgoritmik/rencana/
algoritmagreedy.
5. Analisis Algoritma Dijkstra untuk Mencari
Lintasan Terpendek.
Analisis yang dilakukan meliputi 2 aspek, yaitu:
1. berdasarkan graf berbobot yang bobotnya
merupakan panjang lintasan
2. berdasarkan graf berbobot yang bobotnya
merupakan waktu terjadinya kemacetan.
Tabel 1. Panjang lintasan dari satu tempat ke tempat
yang lainnya.
1 2 3 4
1 0 ∞ 3500 m 500 m
2 7000 m 0 4000 m ∞
3 ∞ 4000 m 0 3000 m
4 500 m ∞ 4500 m 0
2
Keterangan: Daftar Pustaka
1 = Dago
2 = Pasteur 1. Algoritma Greedy.
3 = Cihampelas http://kur2003.if.itb.ac.id/strategialgoritmik.
4 = ITB Diakses tanggal 16 Mei 2005 pukul 19.00 WIB.

Contoh persoalan: carilah lintasan terpendek dari 2. R. Munir. , Diktat Kuliah IF2251 Strategi
ITB menuju Pasteur! Algoritmik, Bandung, 2005.

Jadi, lintasan terpendek dari ITB menuju Pasteur 3. Mehran S. , Exhaustive Recursion and
adalah: 4 – 3 – 2, yaitu sepanjang: Backtracking, April 2005.

3000 m + 4000 m = 7000 m

Tabel 2. Waktu kemacetan sering terjadi.

1 2 3 4
siang,
1 0 siang ∞
sore
pagi,
2 0 sore sore
sore
sore, siang,
3 sore 0
malam sore
pagi,
4 ∞ sore 0
sore

Keterangan sama dengan tabel 1.

Jarak yang digunakan dari satu tempat ke tempat

yang lainnya sama dengan jarak yang digunakan
pada tabel 1.

Contoh persoalan: carilah lintasan terpendek dari

ITB menuju Pasteur pada siang hari!

Jadi, lintasan terpendek dari ITB menuju Pasteur

adalah: 4 – 1 – 2, yaitu sepanjang:

500 m + 7000 m = 7500 m

Seharusnya, lintasan terpendek dari ITB menuju

Pasteur adalah 7000 m, tetapi pada siang hari terjadi
kemacetan di Cihampelas, maka mengambil jalan
yang tidak macet, yaitu melewati Dago.

6. Kesimpulan

Pencarian lintasan terpendek sangat berguna untuk

menentukan jalan tersingkat untuk menuju suatu
tempat. Sehingga, kita dapat sampai tepat waktu
menuju tempat tujuan.
Hasil analisis berdasarkan bobot-bobot yang
berbeda, menunjukkan bahwa semakin banyak bobot
yang diberikan, maka semakin akurat pula data yang
dihasilkan. Sehingga menghasilkan waktu yang
efisien.